第13卷第4期 智能系统学报 Vol.13 No.4 2018年8月 CAAI Transactions on Intelligent Systems Aug.2018 D0:10.11992/tis.201706057 网络出版地址：http:/kns.cnki.net/kcms/detail/23.1538.TP.20180329.1555.008.html 因素空间的结构与对偶回旋定理 包研科，汪培庄，郭嗣琮 (辽宁工程技术大学智能工程与数学研究院，辽宁阜新123000】 摘要：基于概念的内涵与外延的对合性与反变关系，以及概念形成过程中概括与解析的辩证统一性，深入讨 论了因素空间的数学结构问题。系统梳理了由认知本体论原理构造出的因素空间的基本概念与核心命题，为 基于因素空间的知识发现理论与技术的研究提供了一种新的思想框架。首次提出了格上的交错自同构变换与 回旋格的概念，证明了因素空间上的对偶回旋定理，揭示出因素空间数学结构的几何表象是一个麦乌比斯环， 为阐释人类思维与概念形成过程的动力学机制提供了一个新的数学模型。 关键词：因素空间：结构：交错自同构变换：回旋格：对偶回旋定理 中图分类号：TP18:029 文献标志码：A文章编号：1673-4785(2018)040656-09 中文引用格式：包研科，汪培庄，郭嗣琼.因素空间的结构与对偶回旋定理.智能系统学报，2018,13(4)：656-664. 英文引用格式：BAO Yanke,.VANG Peizhuang,GUO Sicong.Structure of factor space and the dual convolution theorem[J.CAAI transactions on intelligent systems,2018,13(4):656-664. Structure of factor space and the dual convolution theorem BAO Yanke,WANG Peizhuang,GUO Sicong (Institute of Intelligent Engineering and Mathematics,Liaoning Technical University,Fuxin 123000,China) Abstract:Based on two expressions consistency and the reverse-change relation of conceptual connotation and exten- sion,as well as the dialectical unity of summary and parsing in the concept formation process,in this paper,we present a detailed discussion of the mathematical structure of factor space.We systematically identify the basic concepts and core propositions of factor space,as constructed by the principle of cognitive ontology,and provide a new ideological frame- work for both the theoretical and technological research of knowledge discovery based on factor space.We propose nov- el concepts related to the staggered automorphism transform and the convolution lattice,prove the dual entanglement theorem of factor space,and introduce a geometrical representation of the mathematical structure of factor space as a Mobius strip,thereby establishing a new mathematical model for illustrating the dynamics mechanism of the formation of human thinking and conceptualization. Keywords:factor space;structure;staggered automorphism transform;convolution lattice;dual convolution theorem 自1982年汪培庄提出因素空间(factors 年汪培庄、李洪兴合著]《知识表示的数学理 space,FS)理论，时至今日，35年来理论与应用的 论》一书系统地论述了FS理论在知识获取、知 发展，充分展示了F$理论在解释随机性根源和 识表示、知识管理和知识利用方面的数学思想与 概率规律的数学实质，融合随机数学与模糊数学 原理。《模糊计算系统与模糊计算机》及其相 的技术方面思想的深刻性，奠定了FS理论作为 关的工程实践标志着FS理论与智能工程设计理 知识工程的思想框架的地位。 念的完美结合，其中给出的概念内涵和外延相互 FS理论的早期成果可见汪培庄文集四。1994 转换的可操作方法，实现了决策树算法和粗糙集 收稿日期：2017-06-16.网络出版日期：2018-03-29. 算法没有实现的“双向转换的目的”。其后，李洪 基金项目：国家自然科学基金项目(71371091)；中国工程院 2017年重点咨询项目(2017-XZ-23). 兴1关于《因素空间理论与知识表示的数学框 通信作者：包研科.E-mail:baoyanke_257@163.com. 架》长达5年的系列讨论，不仅推进了FS理论的
DOI: 10.11992/tis.201706057 网络出版地址: http://kns.cnki.net/kcms/detail/23.1538.TP.20180329.1555.008.html 因素空间的结构与对偶回旋定理 包研科，汪培庄，郭嗣琮 （辽宁工程技术大学 智能工程与数学研究院，辽宁 阜新 123000） 摘 要：基于概念的内涵与外延的对合性与反变关系，以及概念形成过程中概括与解析的辩证统一性，深入讨 论了因素空间的数学结构问题。系统梳理了由认知本体论原理构造出的因素空间的基本概念与核心命题，为 基于因素空间的知识发现理论与技术的研究提供了一种新的思想框架。首次提出了格上的交错自同构变换与 回旋格的概念，证明了因素空间上的对偶回旋定理，揭示出因素空间数学结构的几何表象是一个麦乌比斯环， 为阐释人类思维与概念形成过程的动力学机制提供了一个新的数学模型。 关键词：因素空间；结构；交错自同构变换；回旋格；对偶回旋定理 中图分类号：TP18;O29 文献标志码：A 文章编号：1673−4785(2018)04−0656−09 中文引用格式：包研科, 汪培庄, 郭嗣琮. 因素空间的结构与对偶回旋定理[J]. 智能系统学报, 2018, 13(4): 656–664. 英文引用格式：BAO Yanke, WANG Peizhuang, GUO Sicong. Structure of factor space and the dual convolution theorem[J]. CAAI transactions on intelligent systems, 2018, 13(4): 656–664. Structure of factor space and the dual convolution theorem BAO Yanke，WANG Peizhuang，GUO Sicong (Institute of Intelligent Engineering and Mathematics, Liaoning Technical University, Fuxin 123000, China) Abstract: Based on two expressions consistency and the reverse-change relation of conceptual connotation and extension, as well as the dialectical unity of summary and parsing in the concept formation process, in this paper, we present a detailed discussion of the mathematical structure of factor space. We systematically identify the basic concepts and core propositions of factor space, as constructed by the principle of cognitive ontology, and provide a new ideological framework for both the theoretical and technological research of knowledge discovery based on factor space. We propose novel concepts related to the staggered automorphism transform and the convolution lattice, prove the dual entanglement theorem of factor space, and introduce a geometrical representation of the mathematical structure of factor space as a Mobius strip, thereby establishing a new mathematical model for illustrating the dynamics mechanism of the formation of human thinking and conceptualization. Keywords: factor space; structure; staggered automorphism transform; convolution lattice; dual convolution theorem 自 1982 年汪培庄[ 1 ]提出因素空间 (factors space，FS) 理论，时至今日，35 年来理论与应用的 发展，充分展示了 FS 理论在解释随机性根源和 概率规律的数学实质，融合随机数学与模糊数学 的技术方面思想的深刻性，奠定了 FS 理论作为 知识工程的思想框架的地位。 FS 理论的早期成果可见汪培庄文集[2]。1994 年汪培庄、李洪兴合著[ 3 ]《知识表示的数学理 论》一书系统地论述了 FS 理论在知识获取、知 识表示、知识管理和知识利用方面的数学思想与 原理。《模糊计算系统与模糊计算机》[4]及其相 关的工程实践标志着 FS 理论与智能工程设计理 念的完美结合，其中给出的概念内涵和外延相互 转换的可操作方法，实现了决策树算法和粗糙集 算法没有实现的“双向转换的目的”。其后，李洪 兴 [5]关于《因素空间理论与知识表示的数学框 架》长达 5 年的系列讨论，不仅推进了 FS 理论的 收稿日期：2017−06−16. 网络出版日期：2018−03−29. 基金项目：国家自然科学基金项目 (71371091)；中国工程院 2017 年重点咨询项目 (2017-XZ-23). 通信作者：包研科. E-mail：baoyanke_9257@163.com. 第 13 卷第 4 期 智 能 系 统 学 报 Vol.13 No.4 2018 年 8 月 CAAI Transactions on Intelligent Systems Aug. 2018
第4期 包研科，等：因素空间的结构与对偶回旋定理 ·657· 发展，也奠定了FS理论在知识发现与智能工程 和关键命题，部分内容笔者根据近期研究予以必 领域广泛应用的基础。袁学海8从范畴论的角 要的重述。复述与重述不做标识，有需要了解期 度对FS的结构问题进行了深入讨论；在FS理论 间变化的读者可同文献[34]进行比对。 的应用方面，刘增良9在因素神经网络技术，军 1.1认知本体论原理 事信息战与网络战领域的研究成绩斐然。此外， 因素是认知工具，因素分析应遵循认知本体 基于S理论的专家系统+多传感器决策融合 论原理，因素空间的结构应体现和摹写人类自身 控制仿真17191、模式识别202】、安全科学2221 的认知结构与思维运动规律。 等应用领域的研究，体现了FS作为智能科学的 认知由概念表达，概念是人类思维体系中最 数学空间理论的价值和发展前景。 基本的构筑单位。概念通常由内涵与外延两个逻 在KDD问题的研究中，1998年何清2讨论了 辑术语表达。内涵往往采用“上位概念+本位属 基于FS和模糊聚类的概念形成方法，2013年汪 性”的逻辑形式描述，而外延则是概念所描述的事 培庄发表《因素空间与因素库》一文26，推动 项的集合。 FS理论在KDD领域的应用。近年来，关于FS与 认知形成的标志是概念的形成，其间的思维 数据科学的关系P7,基于FS理论的分类算法22 运动，主要由分析和综合两种思维方法构成。分 文本挖掘方法0等相关研究也有一定的进展。 析的信息加工与处理技术是解析，实现方式是将 FS理论生根于数学，反映认识论特点，是 事物拆分为更小的单元进行管理和研究，或者表 KDD和概念格生成的一种自然有效的数学方 述为“发现事物的个性特征”。综合的信息加工与 法。然而，早期奠基性工作建立在模糊数学的基 处理技术是概括，实现方式是将一些具有相同属 础上，融合了随机数学和抽象代数的思想、方法 性的事物归纳为更大的单元进行管理和研究，或 和语言；FS理论的高起点在保证数学严谨性的同 者表述为“对事物的一类属性进行综合”。 时，也为其普及推广树立了一道屏障。S的经典 对一个概念的解析称为概念分化，是下位学 定义可见文献3]，此后的理论与应用研究基本上 习。对一些事物的共有属性进行概括，利用学习 遵循了这一定义的思想和描述。近年来，随着FS 者已有的认知结构形成新的概念称为概念同化， 领域应用和教学的深入，出现了对FS定义的领 是上位学习。 域适应性描述和扩展B23.2013年汪培庄在讨论 在认知科学的基本概念与原理的基础上，关 FS在数据科学中的应用问题时，对FS的定义进 于FS的认知本体论原理，本文吸收了冯嘉礼B关 行了修正」 于《思维与智能科学中的性质论方法》的一些思 为能够相对通俗地诠释FS理论的基本思想 想原理，参考了文献[36]的讨论。后续关于FS数 和原理，2015年包研科基于认知本体论原理， 学结构的讨论遵循下列认知本体论原理： 梳理了FS理论中的基本概念和术语，给出了有 1)一个因素总是特定论域上的因素，离开论 域谈论因素是没有意义的。更进一步，一个因素 别于FS经典定义的描述。这一描述充分体现了 总是特定论域上特定问题的因素，离开问题无从 汪培庄“因素是分析的维度，是变异的指标和变量 讨论因素的认知功能。论域、因素和由因素形成 名称，是矛盾的编码，是事物形成和描述的基因。 的关于问题的认知结果构成一个特定的思维空间。 以因素为轴所张成的坐标空间就是因素空间，它 2)概念的分化与同化动态平衡。在概念形成 为事物描述和思维形式提供了普适性的坐标框 过程中，思维在解析与概括的交替运用中发展。 架2的论述精神。文献[34]对FS的定义，最大的 解析强化内涵知识，促进概念分化；概括丰富外 变化是对因素的顺序关系、算符的意义给出了符 延认知，促进概念同化。在这个过程中，内涵与 合认知本体论原理的描述，形式上同经典定义有 外延存在反变关系，即内涵扩张必然减小外延， 所不同，并再次触发了对FS结构问题的思考。 反之内涵缩减将导致外延扩张。一个概念的形 本文的工作是文献[34的延续，进一步讨论 成，是一定认知阶段上分化与同化的暂时平衡。 FS的结构问题。 3)概念的内涵与外延对合，即内涵与外延所 1预备知识 描述的事项一致。在概念形成过程中，解析与概 括之间的差异是思维的技术性差异，不同技术产 为方便对本文工作的理解，作为预备知识，简 生的信息在思维运动中以概念的内涵与外延对合 要介绍文献[34]中给出的原理、概念与术语、公理 为目标纠缠运动，辩证统一
发展，也奠定了 FS 理论在知识发现与智能工程 领域广泛应用的基础。袁学海[6-8]从范畴论的角 度对 FS 的结构问题进行了深入讨论；在 FS 理论 的应用方面，刘增良[9-13]在因素神经网络技术，军 事信息战与网络战领域的研究成绩斐然。此外， 基于 FS 理论的专家系统[14-15] 、多传感器决策融合[16] 、 控制仿真[ 1 7 - 1 9 ] 、模式识别[ 2 0 - 2 1 ] 、安全科学[ 2 2 - 2 4 ] 等应用领域的研究，体现了 FS 作为智能科学的 数学空间理论的价值和发展前景。 在 KDD 问题的研究中，1998 年何清[25]讨论了 基于 FS 和模糊聚类的概念形成方法，2013 年汪 培庄发表《因素空间与因素库》一文[ 2 6 ] ，推动 FS 理论在 KDD 领域的应用。近年来，关于 FS 与 数据科学的关系[27] ，基于 FS 理论的分类算法[28-29] 、 文本挖掘方法[30-31]等相关研究也有一定的进展。 FS 理论生根于数学，反映认识论特点，是 KDD 和概念格生成的一种自然有效的数学方 法。然而，早期奠基性工作建立在模糊数学的基 础上，融合了随机数学和抽象代数的思想、方法 和语言；FS 理论的高起点在保证数学严谨性的同 时，也为其普及推广树立了一道屏障。FS 的经典 定义可见文献[3]，此后的理论与应用研究基本上 遵循了这一定义的思想和描述。近年来，随着 FS 领域应用和教学的深入，出现了对 FS 定义的领 域适应性描述和扩展[32-33]。2013 年汪培庄在讨论 FS 在数据科学中的应用问题时，对 FS 的定义进 行了修正[26]。 为能够相对通俗地诠释 FS 理论的基本思想 和原理，2015 年包研科[34]基于认知本体论原理， 梳理了 FS 理论中的基本概念和术语，给出了有 别于 FS 经典定义的描述。这一描述充分体现了 汪培庄“因素是分析的维度，是变异的指标和变量 名称，是矛盾的编码，是事物形成和描述的基因。 以因素为轴所张成的坐标空间就是因素空间，它 为事物描述和思维形式提供了普适性的坐标框 架” [27]的论述精神。文献[34]对 FS 的定义，最大的 变化是对因素的顺序关系、算符的意义给出了符 合认知本体论原理的描述，形式上同经典定义有 所不同，并再次触发了对 FS 结构问题的思考。 本文的工作是文献[34]的延续，进一步讨论 FS 的结构问题。 1 预备知识 为方便对本文工作的理解，作为预备知识，简 要介绍文献[34]中给出的原理、概念与术语、公理 和关键命题，部分内容笔者根据近期研究予以必 要的重述。复述与重述不做标识，有需要了解期 间变化的读者可同文献[34]进行比对。 1.1 认知本体论原理 因素是认知工具，因素分析应遵循认知本体 论原理，因素空间的结构应体现和摹写人类自身 的认知结构与思维运动规律。 认知由概念表达，概念是人类思维体系中最 基本的构筑单位。概念通常由内涵与外延两个逻 辑术语表达。内涵往往采用“上位概念+本位属 性”的逻辑形式描述，而外延则是概念所描述的事 项的集合。 认知形成的标志是概念的形成，其间的思维 运动，主要由分析和综合两种思维方法构成。分 析的信息加工与处理技术是解析，实现方式是将 事物拆分为更小的单元进行管理和研究，或者表 述为“发现事物的个性特征”。综合的信息加工与 处理技术是概括，实现方式是将一些具有相同属 性的事物归纳为更大的单元进行管理和研究，或 者表述为“对事物的一类属性进行综合”。 对一个概念的解析称为概念分化，是下位学 习。对一些事物的共有属性进行概括，利用学习 者已有的认知结构形成新的概念称为概念同化， 是上位学习。 在认知科学的基本概念与原理的基础上，关 于 FS 的认知本体论原理，本文吸收了冯嘉礼[35]关 于《思维与智能科学中的性质论方法》的一些思 想原理，参考了文献[36]的讨论。后续关于 FS 数 学结构的讨论遵循下列认知本体论原理： 1) 一个因素总是特定论域上的因素，离开论 域谈论因素是没有意义的。更进一步，一个因素 总是特定论域上特定问题的因素，离开问题无从 讨论因素的认知功能。论域、因素和由因素形成 的关于问题的认知结果构成一个特定的思维空间。 2) 概念的分化与同化动态平衡。在概念形成 过程中，思维在解析与概括的交替运用中发展。 解析强化内涵知识，促进概念分化；概括丰富外 延认知，促进概念同化。在这个过程中，内涵与 外延存在反变关系，即内涵扩张必然减小外延， 反之内涵缩减将导致外延扩张。一个概念的形 成，是一定认知阶段上分化与同化的暂时平衡。 3) 概念的内涵与外延对合，即内涵与外延所 描述的事项一致。在概念形成过程中，解析与概 括之间的差异是思维的技术性差异，不同技术产 生的信息在思维运动中以概念的内涵与外延对合 为目标纠缠运动，辩证统一。 第 4 期 包研科，等：因素空间的结构与对偶回旋定理 ·657·
·658· 智能系统学报 第13卷 1.2基本概念 因素之间的≤关系是偏序关系，并以论域上子 基于认知本体论原理的FS的基本概念、术语 集合之间的关系为背景关系。 和符号约定如下： 5)因素f与g的析运算是因素之间交互效应的 1)论域是一个关于问题的本体论研究对象的 描述与分析工具，记为f八g,主要服务于概念分 非空可列集合，记为U。因素是定义在论域U上的 化。析因素fΛg是由f和g构造出的有更强解析力 一个满映射，记为 的新因素，定义为 f:0→ 式中：集合I,称为f的相空间（寓意必须考虑映 g(x.y)=f(g).(x.)lxl 6)因素f与g的合运算是思维过程中的信息汇 射像的分布特征)，描述论域U上的一类本体论 总与认知概括工具，记为fVg,主要服务于概念同 性态。 化。合因素fVg可以理解为比因素f和g有更强概 约定两个特殊因素： 括力的新因素，定义为 ①零因素，记为o,其相空间。=NoN非空， 相态NoN用来描述所研究问题的“原始概念”或 fAgx,)=f)U80,x)∈x1, “根节点”，在论域U上关于NoN的讨论都是下位 7)因素f的补因素以及f与g的差运算是思维 学习。 过程中的信息分离工具。补因素实现视角的转 另外，约定NoN是任何一个因素f的相空间 换，记为f,定义为 1中的共有元素，寓意任何一个因素f在应用中都 g=f台Yx∈I,y∈1,8y)=U-f(x) 有被“空置”的可能，此时NoN可以表示因素f的 差运算的目的是“从一个因素中排除另一个 缺失值。 因素的干涉效应”，记为f-8,定义为 ②全因素，记为e,其相空间l同论域U对等， f-g台f∧8 即1.和U之间存在一一映射，表示因素e能够“完 1.3基本命题 全个体化”认知论域中的任何一个对象。 约定如下两个公理： 因素o和e称为非平凡因素，除此之外均为平 公理1（发现公理）oNoN)=U,e(x)=O。 凡因素。 公理2（顺序公理）o≤f≤e。 2)从某一个因素f的相空间1到论域U的幂集 注：由全元素的定义，公理(x)=O的意义是 牙(U)上的映射f称为因素f的回溯，满足 e的回溯不能在论域U发现以x标识的对象的等 Hx∈I,fx)=[xeF(U) 价类。 在前述概念（定义）和两个公理的基础上，可 式中：[x/表示由因素f的某一相态x在U限定出的 等价类；幂集牙(U)称为因素分析的背景空间。回 以证明下列命题： 溯的性质如下： 命题1（对合定理）f=8台f=80 ①Vx∈I,ffx)=xo 命题2（反变关系定理）g≤f台f≤8， ②x/U,ffr》=[ro 命题3（幂等律）fΛf=f,fVf=f。 ③x,yeI,x≠y,fx)nf0)=0。 命题4交换律)fΛg=gAf,fVg=gVf。 注：回溯是一种拟逆映射，同一般逆映射不同 命题5（结合律）fAg)Ah=fA(gAh),(fVg)V 之处在于fx)表示在论域U寻找以x标识的对象 h=fv(gvh)o 的等价类。 命题6（分配律）fA(gVh)=(fAg)VfAh),fV (gAh)=(fvg)(fvh) 3)两个因素f和g认知等效称为相等，定义为 命题7（第一吸收律）fVg≤f,fVg≤g; I=I(集合对等) f=8台 f≤gAf,8≤gΛfo f(f(u))=8(g(u)).YuEU 命题8（第二吸收律）若g≤f,则fΛg=f, 4)因素在U上的认知能力约简为描述概念分 fVg=g。反之亦真。 化的解析力和描述概念同化的概括力，并以解析 命题9第三吸收律)fV(fAg)=f,fA(fVg)=f。 力主导因素的序关系，定义 命题10（排序定理）o≤fVg≤f,g≤fΛ8≤eo 8≤f台Hx∈I,3y∈1g,使fx)Sg0y) 命题11（第一对偶律）o=e,e=o。 称为因素g小于或等于因素f,表示f比g或有更强 命题12（第二对偶律）(fAgy=fVg,(fVgy= 的解析力。 f'Ag
1.2 基本概念 基于认知本体论原理的 FS 的基本概念、术语 和符号约定如下： U U 1) 论域是一个关于问题的本体论研究对象的 非空可列集合，记为 。因素是定义在论域 上的 一个满映射，记为 f : U → If If f U 式中：集合 称为 的相空间 (寓意必须考虑映 射像的分布特征)，描述论域 上的一类本体论 性态。 约定两个特殊因素： o Io = {NoN} U ①零因素，记为 ，其相空间 非空， 相态 NoN 用来描述所研究问题的“原始概念”或 “根节点”，在论域 上关于 NoN 的讨论都是下位 学习。 f If f f 另外，约定 NoN 是任何一个因素 的相空间 中的共有元素，寓意任何一个因素 在应用中都 有被“空置”的可能，此时 NoN 可以表示因素 的 缺失值。 e Ie U Ie U ②全因素，记为 ，其相空间 同论域 对等， 即 和 之间存在一一映射，表示因素 e 能够“完 全个体化”认知论域中的任何一个对象。 因素o和e称为非平凡因素，除此之外均为平 凡因素。 f If U F ↼ f f 2) 从某一个因素 的相空间 到论域 的幂集 (U) 上的映射 称为因素 的回溯，满足 ∀x ∈ If , ↼ f(x) = [x]f ∈ F (U) [x]f f x U F 式中： 表示由因素 的某一相态 在 限定出的 等价类；幂集 (U) 称为因素分析的背景空间。回 溯的性质如下： ∀x ∈ If , f( ↼ ① f(x)) = x。 ∀[x]f ⊆ U, ↼ ② f(f([x]f)) = [x]f。 ∀x, y ∈ If , x , y, ↼ f(x)∩ ↼ ③ f(y) = Ø。 ↼ f(x) U 注：回溯是一种拟逆映射，同一般逆映射不同 之处在于 表示在论域 寻找以 x 标识的对象 的等价类。 3) 两个因素 f 和 g 认知等效称为相等，定义为 f = g ⇔ If ≓ Ig(集合对等) ↼ f(f(u)) = ↼ g(g(u)),∀u ∈ U 4) 因素在 U 上的认知能力约简为描述概念分 化的解析力和描述概念同化的概括力，并以解析 力主导因素的序关系，定义 g ⩽ f ⇔ ∀x ∈ If ,∃y ∈ Ig ,使 ↼ f(x) ⊆ ↼ g(y) 称为因素 g 小于或等于因素 f ， 表示 f 比 g 或有更强 的解析力。 ⩽ ⊆ 因素之间的 关系是偏序关系，并以论域上子 集合之间的关系 为背景关系。 f g f ∧g f ∧g f g 5) 因素 与 的析运算是因素之间交互效应的 描述与分析工具，记为 ，主要服务于概念分 化。析因素 是由 和 构造出的有更强解析力 的新因素，定义为 ←−−− f ∧g(x, y) = ↼ f(x)∩ ↼ g(y),∀(x, y) ∈ If × Ig f g f ∨g f ∨g f g 6) 因素 与 的合运算是思维过程中的信息汇 总与认知概括工具，记为 ，主要服务于概念同 化。合因素 可以理解为比因素 和 有更强概 括力的新因素，定义为 ←−−− f ∧g(x, y) = ↼ f(x)∪ ↼ g(y),∀(x, y) ∈ If × Ig f f g f ′ 7) 因素 的补因素以及 与 的差运算是思维 过程中的信息分离工具。补因素实现视角的转 换，记为 ，定义为 g = f ′ ⇔ ∀x ∈ If ,∃y ∈ Ig , ↼ g(y) = U − ↼ f(x) f −g 差运算的目的是“从一个因素中排除另一个 因素的干涉效应”，记为 ，定义为 f −g ⇔ f ∧g ′ 1.3 基本命题 约定如下两个公理： ↼ o(NoN) = U, ↼ 公理 1(发现公理) e(x) = Ø。 公理 2(顺序公理) o ⩽ f ⩽ e。 ↼ e(x) = Ø e U x 注：由全元素的定义，公理 的意义是 的回溯不能在论域 发现以 标识的对象的等 价类。 在前述概念 (定义) 和两个公理的基础上，可 以证明下列命题： ↼ f = ↼ 命题 1(对合定理) g ⇔ f = g。 g ⩽ f ⇔ ↼ f ⩽ ↼ 命题 2(反变关系定理) g。 命题 3(幂等律) f ∧ f = f, f ∨ f = f 。 命题 4(交换律) f ∧g = g∧ f, f ∨g = g∨ f 。 (f ∧g)∧h = f ∧(g∧h) (f ∨g)∨ h = f ∨(g∨h) 命题 5(结合律) ， 。 f ∧(g∨h) = (f ∧g)∨(f ∧h) f∨ (g∧h) = (f ∨g)∧(f ∨h) 命题 6(分配律) ， 。 f ∨g ⩽ f, f ∨g ⩽ g f ⩽ g∧ f,g ⩽ g∧ f 命 题 7 ( 第一吸收律 ) ； 。 g ⩽ f f ∧g = f f ∨g = g 命题 8(第二吸收律) 若 ，则 ， 。反之亦真。 命题 9(第三吸收律) f ∨(f ∧g)= f， f ∧(f ∨g)= f。 命题 10(排序定理) o ⩽ f ∨g ⩽ f,g ⩽ f ∧g ⩽ e。 o = e ′ , e = o 命题 ′ 11(第一对偶律) 。 (f ∧g) ′ = f ′ ∨g ′ (f ∨g) ′ = f ′ ∧g ′ 命题 12(第二对偶律) ， 。 ·658· 智 能 系 统 学 报 第 13 卷
第4期 包研科，等：因素空间的结构与对偶回旋定理 ·659· 1.4因素空间 本空间S理解为论域，而σ-代数F等价于F(S), 在一个论域U上，可以定义多个因素f, 相应概念的对应关系可作如下约定： 称为U上一个因素族，并作为一个代数系统进行讨 1)X=o表示对X的观测缺失。 论，是借助因素分析实现论域上知识发现的基础。 2)X=e表示对X的观测不能发现随机性波动 定义1设F表示定义在论域U上的所有因素 (取常数值)。 的集合，则称代数系统(E,V,A,)是论域U上一个 3)XVY表示对(X,Y)的联合概率分布F(x,y)的 因素空间，记为FS。 观测。 定义中3种代数运算V,A,的概念和性质承接 4)XAY表示(X,)对条件分布乘积F(y) 1.2和1.3节的讨论。 FrOx)的观测。 由零因素的定义，显然o∈F。由论域的可列 5)表示对1-Fx(x)的观测。 性和全因素的定义，1.=U,至少U中对象的“编 在一个论域U上的知识发现问题，通常存在 号”是一个定义在U上的全因素，即存在e∈F。 各种不同的主题T,i=1,2,…,N,每一个主题下所 定义2设f和g是论域U上两个因素，若 有可能结果的集合就是这一主题的样本空间S: U/f+U/g,则称f和g是自为因素。 相应的存在一个正则因素空间C℉S,则论域U上 定义3设以，是论域U上一个平凡因素族， 的因素空间 i≠j=1,2,…,N,f和f是自为因素，则称{f是 FS=CFS1XCFS2X·x CFS 可基因素族，记为BF。 相应的，信息系统 定义4设BF是因素空间(E,V,A,)上的一个 (U,BF)=(U,BF XBF2X...XBFN) 有限可基因素族，则称各个因素相空间的笛卡 CFS的概念有助于FS分析方法与技术体系 尔积 的建构，有助于理解因素空间同概率空间、希尔 I1XI2X…XI 伯特空间和张量空间的关系。 为定义在论域0上的一个信息系统，不妨记为 前述讨论是对因素空间宏观结构的一种公理 (U,BF。 化诠释，其意义在于为信息系统分析提供了一个 定义5设BF为因素空间(F,V,A,)中的可列 统一的语境场。 可基因素族，若 2因素空间的结构 m会1f=o且imA%f=e f∈BF,则称BF为论域U上的一个完备因素族， 21交错自同构变换与回旋格 记为CFF。 通常认为，格是认知描述与形式概念分析理 称(CFF,V,A,)为完备因素空间，简称因素空 想的代数系统B。 间，仍记为FS。 本文引进格上的交错自同构变换和回旋格的 称(U,CFF)是一个完备信息系统，记为CIS。 概念，然后给出FS对偶回旋定理，构成对FS代 在不引起误会的场合，不必刻意区分FS和 数结构的新认知。 CIS的不同，即一个因素空间既是一个完备信息 定义7设≤为非空集合L上的偏序关系， 系统。 (L,≤)为有界偏序格，其中，x,y∈L,xVy=sup{x,y以， 显然，当论域U为有限集时，存在自然数 xAy=inf{x,y以，泛下界为0，泛上界为1。 N<o,使V%1f=o且A2f=e。 若L上存在变换x,满足条件： 定义6设(S,F,P)是一个概率空间，H是定 1)x∈L,x≠0,1，t(x)=xo 义在样本空间S上的所有二阶矩随机变量的集 2)Hx,y∈L,t(xVy)=x∧y,t(xAy)=xVyo 合，H={XEX)<∞，则称(H,V,A,)为正则因素 3)x(0)=1,x(1)=0。 空间，记为CFS。 则称r为(L,s)上的交错自同构变换(staggered 引进CFS的目的是方便描述结构化数据分析 automorphism transform). 问题。文献[34]中讨论了因素概念的外延，随机 下面诠释格上交错自同构变换的几何意义。 变量是基本的数量化因素。若有限个二阶矩随机 不妨设L={x,x≠0,1，在(L,≤)中，格点是分 变量X,j=1,2…,N各自有不同的概率分布，则 层的。按组合计数C,k=1,2,·,n,同层的格点集 X,=BF,于是(S,{X以)就是一个结构化信息系 合记为 统。CFS在结构化数据分析的应用中，只需将样 =L.x=.(Vx=(v
1.4 因素空间 U {fj} N j=1 U 在一个论域 上，可以定义多个因素 ， 称为 上一个因素族，并作为一个代数系统进行讨 论，是借助因素分析实现论域上知识发现的基础。 F U (F,∨,∧, ′ ) 定义 1 设 表示定义在论域 上的所有因素 的集合，则称代数系统 是论域 U 上一个 因素空间，记为 FS。 ∨,∧, 定义中 ′ 3 种代数运算 的概念和性质承接 1.2 和 1.3 节的讨论。 o ∈ F Ie ≓ U U U e ∈ F 由零因素的定义，显然 。由论域的可列 性和全因素的定义， ，至少 中对象的“编 号”是一个定义在 上的全因素，即存在 。 f g U U/ f , U/g f g 定 义 2 设 和 是论域 上两个因素，若 ，则称 和 是自为因素。 {fj} N j=1 U ∀i , j = 1,2,··· ,N fi fj {fj} N j=1 定义 3 设 是论域 上一个平凡因素族， ， 和 是自为因素，则称 是 可基因素族，记为 BF。 (F,∨,∧, ′ 定义 4 设 BF 是因素空间 ) 上的一个 有限可基因素族，则称各个因素相空间的笛卡 尔积 I1 × I2 × ··· × IN U (U,BF) 为定义在论域 上的一个信息系统，不妨记为 。 (F,∨,∧, ′ 定义 5 设 BF 为因素空间 ) 中的可列 可基因素族，若 lim N→∞ V N j=1 fj = o且 lim N→∞ Λ N j=1 fj = e fj ∈ BF U CFF ，则称 BF 为论域 上的一个完备因素族， 记为 。 (CFF,∨,∧, ′ 称 ) 为完备因素空间，简称因素空 间，仍记为 FS。 称 (U,CFF) 是一个完备信息系统，记为 CIS。 在不引起误会的场合，不必刻意区分 FS 和 CIS 的不同，即一个因素空间既是一个完备信息 系统。 U N < ∞ V N j=1 fj = o Λ N j=1 fj = e 显然，当论域 为有限集时，存在自然数 ，使 且 。 F S H = {X|E(|X| 2 ) < ∞} (H,∨,∧, ′ ) 定义 6 设 (S, ,P) 是一个概率空间，H 是定 义在样本空间 上的所有二阶矩随机变量的集 合 ， ，则称 为正则因素 空间，记为 CFS。 Xj , j = 1,2,··· ,N {Xj} N j=1 = (S,{Xj} N j=1 ) 引进 CFS 的目的是方便描述结构化数据分析 问题。文献[34]中讨论了因素概念的外延，随机 变量是基本的数量化因素。若有限个二阶矩随机 变量 各自有不同的概率分布，则 BF，于是 就是一个结构化信息系 统。CFS 在结构化数据分析的应用中，只需将样 本空间 S 理解为论域，而σ−代数 F 等价于 F (S)， 相应概念的对应关系可作如下约定： 1) X = o表示对 X 的观测缺失。 2) X = e表示对 X 的观测不能发现随机性 波动 (取常数值)。 3) X ∨Y 表示对 (X,Y) 的联合概率分布 F(x, y) 的 观测。 X ∧Y (X,Y) FX|Y (x|y)· FY|X(y|x) 4 ) 表 示 对条件分布乘积 的观测。 5) X¯表示对 1− FX(x) 的观测。 U Ti ,i = 1,2,··· ,N S i CFSi U 在一个论域 上的知识发现问题，通常存在 各种不同的主题 ，每一个主题下所 有可能结果的集合就是这一主题的样本空间 ， 相应的存在一个正则因素空间 ，则论域 上 的因素空间 FS = CFS1 ×CFS2 × ··· ×CFSN 相应的，信息系统 (U,BF) = (U,BF1 ×BF2 × ··· ×BFN) CFS 的概念有助于 FS 分析方法与技术体系 的建构，有助于理解因素空间同概率空间、希尔 伯特空间和张量空间的关系。 前述讨论是对因素空间宏观结构的一种公理 化诠释，其意义在于为信息系统分析提供了一个 统一的语境场。 2 因素空间的结构 2.1 交错自同构变换与回旋格 通常认为，格是认知描述与形式概念分析理 想的代数系统[2, 36]。 本文引进格上的交错自同构变换和回旋格的 概念，然后给出 FS 对偶回旋定理，构成对 FS 代 数结构的新认知。 ⩽ L (L,⩽) ∀x, y ∈ L x∨y = sup{x, y} x∧y = inf{x, y} 定 义 7 设 为非空集合 上的偏序关系， 为有界偏序格，其中， ， ， ，泛下界为 0，泛上界为 1。 若 L 上存在变换τ，满足条件： 1) ∀x ∈ L, x , 0,1,τ(x) = x。 2) ∀x, y ∈ L，τ(x∨y) = x∧y，τ(x∧y) = x∨y。 3) τ(0) = 1,τ(1) = 0。 则称τ为 (L,⩽) 上的交错自同构变换 (staggered automorphism transform)。 下面诠释格上交错自同构变换的几何意义。 L = {xj} n j=1 , xj , 0,1 (L,⩽) C k n , k = 1,2,··· ,n 不妨设 ，在 中，格点是分 层的。按组合计数 ，同层的格点集 合记为 {xj} (1) = L,{∧xj} (k) = {∧k s=1 xjs },{∨xj} (k) = {∨k s=1 xjs } 第 4 期 包研科，等：因素空间的结构与对偶回旋定理 ·659·
·660· 智能系统学报 第13卷 式中k=1,2,…,n。于是，格中的偏序关系为 素解析能力的大小主导因素的序关系，偏序格 0≤…≤{Ax}w≤…≤{x四≤…≤{Vx}W≤…≤1… (CFF,≤)受顺序公理、对合定理、反变关系定理和 (1) 排序定理的影响，同数学上经典的偏序格不尽相 在每一个层的格点集合中取一个元素，由关 同。因此，在代数格(CFF,V,A)中，虽然形式运算 系≤构成一个序链。 性质同数学经典的代数格描述一致，但内在运算 若将式(1)理解为一条定宽的纸带，从左到右 机理有所不同。 摹写式(1)中的格层与偏序关系，最左端为0，最 在布尔格(CFF,V,A,)中，结构与体系的核心 右端为1。 在于因素大小的定义和顺序公理的约定。下面引 根据交错自同构变换的3个条件，将τ的像摹 进(CFF,V,A,)上的交错自同构变换： 写在纸带(1)的反面，得到一种同≤等价（认知等 1)将因素大小的定义 效)的偏序关系≤，即纸带(1)的反面为 1≤…≤{Vx}w≤…≤{x≤…≤{Λx}W≤…≤0… f≤g台80y)Sfx) (2) 变异为 记为 g≤f台80y∈fx) (L,≤，T)=(L,) 2)将顺序公理 显然，两个偏序格(L,≤)和(L,≤)的代数格同一， o≤f≤e 均为(L,V,A)。 变异为 在格(L,V,Λ)上，由于式(1)左端的0和式 e≤f≤o (2)右端的0同一，式(1)右端的1和式(2)左端的 式中o和e的意义不变。 1同一，所以这一纸带是对合的，但是需要扭转纸 由变异式(1)可知，因素之间的关系≤和≤有 带粘合两端，粘合后一面显示0，另一面显示1。 相同的背景关系；由变异式(2)可知，≤和≤的认知 于是，L上的两种偏序关系≤和≤融合为一体，即在 意义不同，≤代表了认知的解析过程，≤代表了认 泛界点0或1处，偏序关系≤和<均“不失意”的无 知的概括过程。因此，≤和≤背景关系的一致和认 障碍连通。 知意义的不同，反映的是概念的对合性和概念分 综上所述，一个存在交错自同构变换的偏序 化、同化过程的技术差异。 格（亿，≤），其代数格(L,V,八)的几何构型是一个麦乌 3)代数运算V,A的定义不变 比斯环(mobius strip)o 在上述3个约定下，需要系统的修改、重述 定义8设≤和≤是非空集合L上的两个不同 13节涉及序关系的命题，其他命题形式不变。修 的偏序关系，若(L,≤)是有界偏序格(L,≤)上交错自 改后的相关命题如下： 同构变换的像，则称(L,≤)的代数格(L,V,A)为回旋 格(convolution lattice),其几何构型如图l。 命题2'（外延限制定理）f≤g台f≤8。 认知本体论的解释：命题2'由命题2描述概 念内涵与外延的反变关系转变为描述对外延的 限制。 命题7'（第一吸收律）fAg≤f,fΛg≤g;f≤ gVf,g≤gVf。 命题8'（第二吸收律）若g≤f,则fΛg=g, 图1回旋格的几何构型 fvg=f。反之亦真。 Fig.1 The geometry of convolution lattice 认知本体论的解释：命题7'和命题8修改了 显然，回旋格的定义当L为可列集时仍是适用 序关系与代数运算的联系规则，将因素固有的概 的。引进回旋格的概念，旨在揭示因素空间深 括功能从“隐性”表达转变为“显性”表达。 刻、丰富而有趣的性质。 命题10'（排序定理）e≤fAg≤f,g≤fVg≤o。 2.2对偶回旋定理 从命题10到命题10'实现了(CFF,V,A)从偏序 关于CFS的代数结构，文献[34]已经证明： 关系≤到偏序关系的交错自同构变换。 (CFF,≤)是一个偏序格。(CFF,V,A)是一个有界代 基于偏序关系≤的背景关系，容易证明命题 数格，满足分配律。(CFF,V,A,)是一个布尔格。 2’、命题7’、命题8和命题10'，限于篇幅，不再 上述结论的建立，数学原理基于认知原理，遵 赘述证明过程。在偏序关系≤约定的结构体系 循概念内涵与外延的对合性与反变关系原理，因 上，(CF,V,,)仍是一个布尔格
式中 k = 1,2,··· ,n。于是，格中的偏序关系为 0 ⩽ ··· ⩽ {∧xj} (k) ⩽ ··· ⩽ {xj} (1) ⩽ ··· ⩽ {∨xj} (k) ⩽ ··· ⩽ 1··· (1) ⩽ 在每一个层的格点集合中取一个元素，由关 系 构成一个序链。 若将式 (1) 理解为一条定宽的纸带，从左到右 摹写式 (1) 中的格层与偏序关系，最左端为 0，最 右端为 1。 τ ⩽ ≼ 根据交错自同构变换的 3 个条件，将 的像摹 写在纸带 (1) 的反面，得到一种同 等价 (认知等 效) 的偏序关系 ，即纸带 (1) 的反面为 1 ≼ ··· ≼ {∨xj} (k) ≼ ··· ≼ {xj} (1) ≼ ··· ≼ {∧xj} (k) ≼ ··· ≼ 0··· (2) 记为 (L,⩽,τ) = (L,≼) (L,⩽) (L,≼) (L,∨,∧) 显然，两个偏序格 和 的代数格同一， 均为 。 (L,∨,∧) ⩽ ≼ ⩽ ≼ 在 格 上，由于 式 ( 1 ) 左 端 的 0 和 式 (2) 右端的 0 同一，式 (1) 右端的 1 和式 (2) 左端的 1 同一，所以这一纸带是对合的，但是需要扭转纸 带粘合两端，粘合后一面显示 0，另一面显示 1。 于是，L 上的两种偏序关系 和 融合为一体，即在 泛界点 0 或 1 处，偏序关系 和 均“不失意”的无 障碍连通。 (L,⩽) (L,∨,∧) 综上所述，一个存在交错自同构变换的偏序 格 ，其代数格 的几何构型是一个麦乌 比斯环 (mobius strip)。 ⩽ ≼ L (L,≼) (L,⩽) (L,⩽) (L,∨,∧) 定义 8 设 和 是非空集合 上的两个不同 的偏序关系，若 是有界偏序格 上交错自 同构变换的像，则称 的代数格 为回旋 格 (convolution lattice)，其几何构型如图 1。 显然，回旋格的定义当 L 为可列集时仍是适用 的。引进回旋格的概念，旨在揭示因素空间深 刻、丰富而有趣的性质。 2.2 对偶回旋定理 (CFF,⩽) (CFF,∨,∧) (CFF,∨,∧, ′ ) 关于 CFS 的代数结构，文献[34]已经证明： 是一个偏序格。 是一个有界代 数格，满足分配律。 是一个布尔格。 上述结论的建立，数学原理基于认知原理，遵 循概念内涵与外延的对合性与反变关系原理，因 (CFF,⩽) (CFF,∨,∧) 素解析能力的大小主导因素的序关系，偏序格 受顺序公理、对合定理、反变关系定理和 排序定理的影响，同数学上经典的偏序格不尽相 同。因此，在代数格 中，虽然形式运算 性质同数学经典的代数格描述一致，但内在运算 机理有所不同。 (CFF,∨,∧, ′ ) (CFF,∨,∧, ′ ) 在布尔格 中，结构与体系的核心 在于因素大小的定义和顺序公理的约定。下面引 进 上的交错自同构变换: 1) 将因素大小的定义 f ⩽ g ⇔ ↼ g(y) ⊆ ↼ f(x) 变异为 g ≼ f ⇔ ↼ g(y) ⊆ ↼ f(x) 2) 将顺序公理 o ⩽ f ⩽ e 变异为 e ≼ f ≼ o 式中o和e的意义不变。 ⩽ ≼ ⩽ ≼ ⩽ ≼ ⩽ ≼ 由变异式 (1) 可知，因素之间的关系 和 有 相同的背景关系；由变异式 (2) 可知， 和 的认知 意义不同， 代表了认知的解析过程， 代表了认 知的概括过程。因此， 和 背景关系的一致和认 知意义的不同，反映的是概念的对合性和概念分 化、同化过程的技术差异。 3) 代数运算 ∨,∧ 的定义不变 在上述 3 个约定下，需要系统的修改、重述 1.3 节涉及序关系的命题，其他命题形式不变。修 改后的相关命题如下： f ≼ g ⇔ ↼ f ≼ ↼ 命题 2’(外延限制定理) g。 认知本体论的解释：命题 2’由命题 2 描述概 念内涵与外延的反变关系转变为描述对外延的 限制。 f ∧g ≼ f, f ∧g ≼ g f ≼ g∨ f,g ≼ g∨ f 命题 7’(第一吸收律) ； 。 g ≼ f f ∧g = g f ∨g = f 命题 8 ’(第二吸收律) 若 ，则 ， 。反之亦真。 认知本体论的解释：命题 7’和命题 8’修改了 序关系与代数运算的联系规则，将因素固有的概 括功能从“隐性”表达转变为“显性”表达。 命题 10’(排序定理) e ≼ f ∧g ≼ f,g ≼ f ∨g ≼ o。 (CFF,∨,∧) ⩽ ≼ 从命题 10 到命题 10’实现了 从偏序 关系 到偏序关系 的交错自同构变换。 ≼ ≼ (CFF,∨,∧, ′ ) 基于偏序关系 的背景关系，容易证明命题 2’、命题 7’、命题 8’和命题 10’，限于篇幅，不再 赘述证明过程。在偏序关系 约定的结构体系 上， 仍是一个布尔格。 图 1 回旋格的几何构型 Fig. 1 The geometry of convolution lattice ·660· 智 能 系 统 学 报 第 13 卷
第4期 包研科，等：因素空间的结构与对偶回旋定理 ·661· 综上所述，得到下面的定理1。 数学抽象。 定理1（对偶回旋定理）(CFF,V,A,)是一个回 旋布尔格。 3结论与展望 因素是认知工具，FS是认知科学的数学模 本文工作对文献[34]的核心概念进行梳理， 型。有别于Boole代数，FS的本质在于其回旋 简化了公理性约定，凝练并重述核心命题，承接 性，反映了概念形成过程中分化与同化的双向统 前期工作的理论与思想。着眼因素空间的理论与 一性，具体地讲： 方法在信息科学领域的应用，重述因素空间的定 1)FS的回旋性反映概念内涵与外延的对合 义，提出了自为因素、可基因素族、完备因素空间 性。在论域上，最小元形成完全概括性认知，最 和正则因素空间的概念，初步地、明确勾勒出因 大元e形成彻底的个性化认知。因此，在对论域形 素空间与信息系统之间的关系。 成的终极认知即“论域中的每一个对象都是不同 本文对FS理论的贡献在于交错自同构变换， 的个体，同时所有对象又是一个整体”的意义上， 回旋格和对偶回旋定理，突破了经典论述关于 因素o和e是等效的。在解析过程中，零因素o是析 FS结构的认知，为认知科学讨论若干基本概念之 运算的单位元，也是合运算的零元。反过来，在 间关系和思维运动的问题给出了可借鉴数学模 概括过程中，全因素e是析运算的零元，也是合运 型，为FS理论在人工智能领域的研究与应用提 算的单位元。当终极认知形成之时，必有o=e。 供了新的切入点。 2)F$的回旋性反映概念内涵与外延的反变 据此，本文对F$理论与应用研究的展望如下： 关系。这种反变关系在实际的认知过程中，往往 1)进一步构建FS理论“四位一体”的思想框 表现为概念的分化与同化的纠缠，对于理解一个 架。在本文的讨论中，一个中心思想就是“人工智 事物而言，究竞是概念分化多一些好，还是同化 能是人类认知模式的数学重构”，在这个过程中， 多一些好？概念的分化与同化的纠缠，反映概念 关于人工智能的数学思想、原理与算法必须同人 形成过程中因素的解析力和概括力交互作用的过 的认知模式高度契合，理论研究的思想框架必须 程。从论域为一个整体的角度，解析导致“论域划 同人类问题解决过程中的思维场高度契合，并同 分”，破坏整体性；从论域中对象的个体性出发， 机器实现的技术特征高度契合。这一思想暗涵于 概括是在论域划分的基础上重构整体性。同理， 本文之中，可以想象在以U,FS,BF,F(U)为顶点的 从“属性限定”揭示一类事物共同特征的角度讲是 四面体中，底面△FS,BF,F(U)表示因素分析理 概括；而从概念的结构、即“属性限定”为概念分 论，侧面△(U,BF,牙(U))表示商空间理论，侧面 化技术的角度讲是解析。在认知过程中，概括与 △(U,FS,于(U)表示张量分析理论，侧面△(U,FS,BF) 解析各具所长，往往交互作用，殊途同归。由因 表示数据分析理论，每个棱表示两个顶点之间的 素认知一个概念不外乎借助因素的解析力和概括 双向信息通道。这个四面体构成完整的FS理论 力，辨识概念的内涵（属性限定），界定概念的外 的思想框架。 延（论域划分），并使两种过程形成同一认知。 在这个思想框架中，论域U是问题空间，是研 在FS中，因素运算的认知性质由解析力主 究主题之源；因素空间F$是关于问题或主题的 导，准确地揭示了概念的内涵与外延的反变关 要素与要素关系的数学系统，是数据分析理论的 系。但是，概括力的隐化导致因素操作的代数性 上位体系，为信息系统(U,BF)理论提供可靠的数 质同经典Boole代数理论中的部分运算性质形式 学原理支撑；从张量代数同认知科学结合的观点 不同。这种情况恰是FS的价值所在。由因素描 看，论域的离散拓扑牙(U)与因素空间FS应当同 述的认知过程中，概括和解析不是两种截然分开 构。在本文的概念体系中，一个信息系统(U,BF) 的过程，仅仅是间或性的哪个表现更强势一些， 等价于因素空间中的可基因素族BF,因此商空间 解析能力的提升（降低）导致概括能力的降低（提 U/BF就是在FS与F(U)同构关系下的知识库，而 升)，总合觉察力不变。 得到这一知识库的技术路径依赖于数据分析理论 因此，由解析力主导的有界偏序格(C℉F,≤)同 和(UBF)及其数据库上的KDD技术。 概括力主导的有界偏序格(C℉F,≤)，在因素空间 2)发展基于FS对偶回旋定理的因素分析技 (C℉F,V,A,)中不是“双面结构”。对偶回旋定理是 术体系。本文发现的FS对偶回旋定理，明确了 对概念形成过程中，由内涵与外延的对合性和反 因素空间中信息的运动过程存在麦比乌斯环特 变关系引导的信息表达、加工和信息运动过程的 征。佩捷、王兰新在《从麦比乌斯到陈省身一一
综上所述，得到下面的定理 1。 (CFF,∨,∧, ′ 定理 1(对偶回旋定理) ) 是一个回 旋布尔格。 因素是认知工具，FS 是认知科学的数学模 型。有别于 Boole 代数，FS 的本质在于其回旋 性，反映了概念形成过程中分化与同化的双向统 一性，具体地讲： o e o e o e o = e 1) FS 的回旋性反映概念内涵与外延的对合 性。在论域上，最小元 形成完全概括性认知，最 大元 形成彻底的个性化认知。因此，在对论域形 成的终极认知即“论域中的每一个对象都是不同 的个体，同时所有对象又是一个整体”的意义上， 因素 和 是等效的。在解析过程中，零因素 是析 运算的单位元，也是合运算的零元。反过来，在 概括过程中，全因素 是析运算的零元，也是合运 算的单位元。当终极认知形成之时，必有 。 2) FS 的回旋性反映概念内涵与外延的反变 关系。这种反变关系在实际的认知过程中，往往 表现为概念的分化与同化的纠缠，对于理解一个 事物而言，究竟是概念分化多一些好，还是同化 多一些好？概念的分化与同化的纠缠，反映概念 形成过程中因素的解析力和概括力交互作用的过 程。从论域为一个整体的角度，解析导致“论域划 分”，破坏整体性；从论域中对象的个体性出发， 概括是在论域划分的基础上重构整体性。同理， 从“属性限定”揭示一类事物共同特征的角度讲是 概括；而从概念的结构、即“属性限定”为概念分 化技术的角度讲是解析。在认知过程中，概括与 解析各具所长，往往交互作用，殊途同归。由因 素认知一个概念不外乎借助因素的解析力和概括 力，辨识概念的内涵 (属性限定)，界定概念的外 延 (论域划分)，并使两种过程形成同一认知。 在 FS 中，因素运算的认知性质由解析力主 导，准确地揭示了概念的内涵与外延的反变关 系。但是，概括力的隐化导致因素操作的代数性 质同经典 Boole 代数理论中的部分运算性质形式 不同。这种情况恰是 FS 的价值所在。由因素描 述的认知过程中，概括和解析不是两种截然分开 的过程，仅仅是间或性的哪个表现更强势一些， 解析能力的提升 (降低) 导致概括能力的降低 (提 升)，总合觉察力不变。 (CFF,⩽) (CFF,≼) (CFF,∨,∧, ′ ) 因此，由解析力主导的有界偏序格 同 概括力主导的有界偏序格 ，在因素空间 中不是“双面结构”。对偶回旋定理是 对概念形成过程中，由内涵与外延的对合性和反 变关系引导的信息表达、加工和信息运动过程的 数学抽象。 3 结论与展望 本文工作对文献[34]的核心概念进行梳理， 简化了公理性约定，凝练并重述核心命题，承接 前期工作的理论与思想。着眼因素空间的理论与 方法在信息科学领域的应用，重述因素空间的定 义，提出了自为因素、可基因素族、完备因素空间 和正则因素空间的概念，初步地、明确勾勒出因 素空间与信息系统之间的关系。 本文对 FS 理论的贡献在于交错自同构变换、 回旋格和对偶回旋定理，突破了经典论述关于 FS 结构的认知，为认知科学讨论若干基本概念之 间关系和思维运动的问题给出了可借鉴数学模 型，为 FS 理论在人工智能领域的研究与应用提 供了新的切入点。 据此，本文对 FS 理论与应用研究的展望如下： U,FS,BF,F ∆(FS,BF,F ∆(U,BF,F ∆(U,FS,F ∆(U,FS,BF) 1) 进一步构建 FS 理论“四位一体”的思想框 架。在本文的讨论中，一个中心思想就是“人工智 能是人类认知模式的数学重构”，在这个过程中， 关于人工智能的数学思想、原理与算法必须同人 的认知模式高度契合，理论研究的思想框架必须 同人类问题解决过程中的思维场高度契合，并同 机器实现的技术特征高度契合。这一思想暗涵于 本文之中，可以想象在以 (U) 为顶点的 四面体中，底面 (U)) 表示因素分析理 论，侧面 (U)) 表示商空间理论，侧面 (U)) 表示张量分析理论，侧面 表示数据分析理论，每个棱表示两个顶点之间的 双向信息通道。这个四面体构成完整的 FS 理论 的思想框架。 U (U,BF) F (U,BF) U/BF F (U,BF) 在这个思想框架中，论域 是问题空间，是研 究主题之源；因素空间 FS 是关于问题或主题的 要素与要素关系的数学系统，是数据分析理论的 上位体系，为信息系统 理论提供可靠的数 学原理支撑；从张量代数同认知科学结合的观点 看，论域的离散拓扑 (U) 与因素空间 FS 应当同 构。在本文的概念体系中，一个信息系统 等价于因素空间中的可基因素族 BF，因此商空间 就是在 FS 与 (U) 同构关系下的知识库，而 得到这一知识库的技术路径依赖于数据分析理论 和 及其数据库上的 KDD 技术。 2) 发展基于 FS 对偶回旋定理的因素分析技 术体系。本文发现的 FS 对偶回旋定理，明确了 因素空间中信息的运动过程存在麦比乌斯环特 征。佩捷、王兰新在《从麦比乌斯到陈省身—— 第 4 期 包研科，等：因素空间的结构与对偶回旋定理 ·661·
·662· 智能系统学报 第13卷 麦比乌斯变换与麦比乌斯带》一书中，较为系统 [2]李仲来.模糊数学与优化一汪培庄文集（北京师范大学 地介绍了在代数几何、拓扑学的研究中发现的麦 数学家文库)M.北京：北京师范大学出版社，2013. 比乌斯带有趣的性质。麦比乌斯带的存在源自实 [3]汪培庄，李洪兴.知识表示的数学理论M.天津：天津科 数域R的乘法群R的不连通性，这一性质更深刻 学技术出版社，1994. 的等价描述如下： [4]汪培庄，李洪兴.模糊系统理论与模糊计算机M.北京」 科学出版社，1995. 设n维向量丛集GL(n,R)cGL(n+1,R),记GL= [5]李洪兴.因素空间理论与知识表示的数学框架(I) UnGL(n,R)。设A是希尔伯特空间H中的斜伴随 因素空间的公理化定义与描述架.北京师范大学学报 算子，即在通常的范数IA‖=supu=IAxl下，交错内 自然科学版.1996.34(4)：470-475. 积 LI Hongxing.Factor spaces and mathematical frame of (Ax.y)=-(x,Ay),Vx.yEH knowledge representation (I )axiomatic definition of 成立，等价于A在有限维零空间的正交补空间上 factor spaces and description frame[J].Journal of Beijing 可逆，记为所有H中斜伴随算子A的拓扑空 normal university:natural science,1996,34(4):470-475. 间。则GL同伦等价于% [6]袁学海，汪培庄.因素空间中的一些数学结构).模糊系 另外，格代数与麦比乌斯代数存在天然的联 统与数学，1993,7(1)：45-54. 系B74 YUAN Xuehai.WANG Peizhuang.Some mathematical 这表明，从纯数学的角度看，F$对偶回旋定 structures in factor spaces[J].Fuzzy systems and mathem- 理所描述的数学性质以不同的形式存在已久。但 atics..1993,7145-54. 是，本文再发现的过程却贯通了认知科学与数学 [7]袁学海，汪培庄.因素空间和范畴.模糊系统与数学 深刻的内在联系，巩固了FS理论作为人工智能 1995,92:25-33 研究的思想框架和认知科学研究的数学模型的地 YUAN Xuehai,WANG Peizhuang.Factor spaces and cat- 位。众多的文献给出了麦比鸟斯变换群在其他数 egories[J].Fuzzy systems and mathematics,1995,9(2): 25-33. 学分支，如数论、组合数学、微分几何、黎曼几 [8]赵宝江，张型岱，袁学海，等.集合套范畴的研究刀.模糊 何、罗巴切夫斯基几何、模与丛论中的应用，以及 系统与数学，2002,16(1)：29-35 在图像处理领域、通信科学、密码学、量子物理 ZHAO Baojiang,ZHANG Xingdai,YUAN Xuehai,et al. 学、遗传生物学、有机化学、乃至机械与工程领域 Study on the category of nested sets[J.Fuzzy systems and 中的应用，无不昭示着F$对偶回旋定理潜在的 mathematics,2002,16(1):29-35 理论与应用价值。 [9]刘增良，刘有才.因素神经网络理论及其应用M.北京 3)发展基于麦乌比斯环0的数据分析方法与 北京师范大学，1994. 算法。因素o和e是FS认知能力的两个极点，是不 [10]郭春霞，刘增良，陶源，等.虚拟网络攻防分析模型[ 动点。若用一个有一定带宽的信息通道来描述 计算机工程与应用，2008,44(25)：100-103 FS和对偶回旋定理所揭示的认知过程，非常有趣 GUO Chunxia,LIU Zengliang,TAO Yuan,et al.Virtual 的是，这一信息通道恰为一个麦乌比斯环0。记 internet offensive and defensive analysis model[J].Com- FS中任意一个状态点(n维向量)为p,则p的能量 puter engineering and applications,2008,44(25):100- 103 态可以借助量子计算理论的量子比特叠加态 [11]郭春霞，刘增良，张智南，等.网络攻击知识因素空间模 lo>=a.lo>+B.le> 表达，其中a和B分别是极点o和e对p的引力系数， 型[).电讯技术，2009,49(10少：11-14 满足a2+=1。这个发现，为在FS理论的数据挖 GUO Chunxia,LIU Zengliang,ZHANG Zhinan,et al. Network attack knowledge model based on factor space 掘与信息处理算法建构过程中嵌入量子计算技 theory[J].Telecommunication engineering,2009,49(10): 术，将状态关系的度量和分析提升为状态一能量 11-14. 关系的度量和分析提供了可靠的切人点1。 [12]郭春霞，刘增良，苗青.网络攻击规划模型及其生成算 参考文献： 法[J.计算机工程与应用，2010,46(31)：121-123 GUO Chunxia,LIU Zengliang,MIAO Qing.Network at- [1]汪培庄，SUGENO M.因素场与模糊集的背景结构[).模 tack planning model and its generating algorithm[J]. 糊数学，1982(2)45-54. Computer engineering and applications,2010,46(31): WANG Peizhuang,SUGENO M.The factors field and 121-123. background structure for fuzzy set[J].Fuzzy math, [13]张友春，魏强，刘增良，等.信息系统漏洞挖掘技术体系 1982(2):45-54. 研究[).通信学报，2011,32(2)42-47
麦比乌斯变换与麦比乌斯带》一书中，较为系统 地介绍了在代数几何、拓扑学的研究中发现的麦 比乌斯带有趣的性质。麦比乌斯带的存在源自实 数域 R 的乘法群 R *的不连通性，这一性质更深刻 的等价描述如下[37] ： n GL(n,R) ⊂ GL(n+1,R) GL∞ = ∪nGL(n,R) ∥A∥ = sup|x|=1 |Ax| 设 维向量丛集 ，记 。设 A 是希尔伯特空间 H 中的斜伴随 算子，即在通常的范数 下，交错内 积 ⟨Ax, y⟩ = −⟨x, Ay⟩,∀x, y ∈ H A H A GL∞ 成立，等价于 在有限维零空间的正交补空间上 可逆，记 A 为所有 中斜伴随算子 的拓扑空 间。则 同伦等价于 A。 另外，格代数与麦比乌斯代数存在天然的联 系 [37-40]。 这表明，从纯数学的角度看，FS 对偶回旋定 理所描述的数学性质以不同的形式存在已久。但 是，本文再发现的过程却贯通了认知科学与数学 深刻的内在联系，巩固了 FS 理论作为人工智能 研究的思想框架和认知科学研究的数学模型的地 位。众多的文献给出了麦比乌斯变换群在其他数 学分支，如数论、组合数学、微分几何、黎曼几 何、罗巴切夫斯基几何、模与丛论中的应用，以及 在图像处理领域、通信科学、密码学、量子物理 学、遗传生物学、有机化学、乃至机械与工程领域 中的应用，无不昭示着 FS 对偶回旋定理潜在的 理论与应用价值。 o e φ φ 3) 发展基于麦乌比斯环 0 的数据分析方法与 算法。因素 和 是 FS 认知能力的两个极点，是不 动点。若用一个有一定带宽的信息通道来描述 FS 和对偶回旋定理所揭示的认知过程，非常有趣 的是，这一信息通道恰为一个麦乌比斯环 0。记 FS 中任意一个状态点 (n 维向量) 为 ，则 的能量 态可以借助量子计算理论的量子比特叠加态 |φ >= α· |o > +β · |e > α β o e φ α 2 +β 2 = 1 表达，其中 和 分别是极点 和 对 的引力系数， 满足 。这个发现，为在 FS 理论的数据挖 掘与信息处理算法建构过程中嵌入量子计算技 术，将状态关系的度量和分析提升为状态—能量 关系的度量和分析提供了可靠的切入点[41-42]。 参考文献： 汪培庄, SUGENO M. 因素场与模糊集的背景结构[J]. 模 糊数学, 1982(2): 45–54. WANG Peizhuang, SUGENO M. The factors field and background structure for fuzzy set[J]. Fuzzy math, 1982(2): 45–54. [1] 李仲来. 模糊数学与优化—汪培庄文集 (北京师范大学 数学家文库)[M]. 北京: 北京师范大学出版社, 2013. [2] 汪培庄, 李洪兴. 知识表示的数学理论[M]. 天津: 天津科 学技术出版社, 1994. [3] 汪培庄, 李洪兴. 模糊系统理论与模糊计算机[M]. 北京: 科学出版社, 1995. [4] 李洪兴. 因素空间理论与知识表示的数学框架 (Ⅰ)—— 因素空间的公理化定义与描述架[J]. 北京师范大学学报: 自然科学版, 1996, 34(4): 470–475. LI Hongxing. Factor spaces and mathematical frame of knowledge representation (Ⅰ)——axiomatic definition of factor spaces and description frame[J]. Journal of Beijing normal university: natural science, 1996, 34(4): 470–475. [5] 袁学海, 汪培庄. 因素空间中的一些数学结构[J]. 模糊系 统与数学, 1993, 7(1): 45–54. YUAN Xuehai, WANG Peizhuang. Some mathematical structures in factor spaces[J]. Fuzzy systems and mathematics, 1993, 7(1): 45–54. [6] 袁学海, 汪培庄. 因素空间和范畴[J]. 模糊系统与数学, 1995, 9(2): 25–33. YUAN Xuehai, WANG Peizhuang. Factor spaces and categories[J]. Fuzzy systems and mathematics, 1995, 9(2): 25–33. [7] 赵宝江, 张型岱, 袁学海, 等. 集合套范畴的研究[J]. 模糊 系统与数学, 2002, 16(1): 29–35. ZHAO Baojiang, ZHANG Xingdai, YUAN Xuehai, et al. Study on the category of nested sets[J]. Fuzzy systems and mathematics, 2002, 16(1): 29–35. [8] 刘增良, 刘有才. 因素神经网络理论及其应用[M]. 北京: 北京师范大学, 1994. [9] 郭春霞, 刘增良, 陶源, 等. 虚拟网络攻防分析模型[J]. 计算机工程与应用, 2008, 44(25): 100–103. GUO Chunxia, LIU Zengliang, TAO Yuan, et al. Virtual internet offensive and defensive analysis model[J]. Computer engineering and applications, 2008, 44(25): 100– 103. [10] 郭春霞, 刘增良, 张智南, 等. 网络攻击知识因素空间模 型[J]. 电讯技术, 2009, 49(10): 11–14. GUO Chunxia, LIU Zengliang, ZHANG Zhinan, et al. Network attack knowledge model based on factor space theory[J]. Telecommunication engineering, 2009, 49(10): 11–14. [11] 郭春霞, 刘增良, 苗青. 网络攻击规划模型及其生成算 法[J]. 计算机工程与应用, 2010, 46(31): 121–123. GUO Chunxia, LIU Zengliang, MIAO Qing. Network attack planning model and its generating algorithm[J]. Computer engineering and applications, 2010, 46(31): 121–123. [12] 张友春, 魏强, 刘增良, 等. 信息系统漏洞挖掘技术体系 研究[J]. 通信学报, 2011, 32(2): 42–47. [13] ·662· 智 能 系 统 学 报 第 13 卷
第4期 包研科，等：因素空间的结构与对偶回旋定理 ·663· ZHANG Youchun,WEI Qiang,LIU Zengliang,et al.Ar- nition problem[J].Journal of Hebei university of techno- chitecture of vulnerability discovery technique for inform- 10gy,2003,32(2):77-80. ation systems[J].Journal on communications,2011, [22]董学军，陈英武.基于补偿和不可替代因素合成的人因 32(2:42-47 可靠性分析方法[.系统工程理论与实践，2012.32(9)： [14]王靳辉.因素空间与诊断型专家系统.解放军测绘学 2087-2094 院学报，1993(1)：71-74. DONG Xuejun,CHEN Yingwu.Method of human reliab- WANG Jinhui.Facts space and a expert system of dia- ility analysis based on CSICF[J].Systems engineering- gnose[J].Journal of the PLA surveying and mapping, theory and practice,2012.32(9):2087-2094. 1993(1)71-74. [23]崔铁军，马云东.基于因素空间的煤矿安全情况区分方 [15]于福生.反向推理型诊断问题专家系统通用构建模型 法的研究[J刀.系统工程理论与实践，2015,35(11)： ).系统工程理论与实践，1998,18(5：72-77 2891-2897. YU Fusheng.A general model for building diagnostic ex- CUI Tiejun,MA Yundong.Research on the classification pert systems based on backwards reasoning[J].Systems method about coal mine safety situation based on the engineering-theory and practice,1998,18(5):72-77. factor space.Systems engineering-theory and practice, [16]石岩，马宝华，谭惠民.基于因素空间的多传感器决策 2015,35(11):2891-2897. 融合方法).北京理工大学学报，2000,20(1)：85-89. [24赵梦辉.基于因素空间的油气SCADA系统信息安全评 SHI Yan,MA Baohua,TAN Huimin.Multitarget de- 价方法研究D].成都：西南石油大学，2016. cision fusion method based on fuzzy factor spaces[J]. ZHAO Menghui.Research on information security evalu- Journal of Beijing institute of technology,2000,20(1): ation of oil and gas SCADA system based on factor 85-89. spaces[D].Chengdu:Southwest Petroleum University, [17刀吉君，江青茵，曹志凯.啤酒发酵过程的多变量开关控 2016. 制仿真研究[J].厦门大学学报：自然科学版，2005， [25]何清，童占梅.基于因素空间和模糊聚类的概念形成方 44(2):246-249 法[J.系统工程理论与实践，1999,19(8)：99-104 JI Jun,JIANG Qingyin,CAO Zhikai.Simulation of mul- HE Qing,TONG Zhanmei.The concept formation meth- tivariable on-off temperature control system in beel fer- od based on factor spaces and fuzzy clustering[J].Sys- mentation process[J.Journal of Xiamen university:natur- tems engineering-theory and practice,1999,19(8): al science,2005,442:246-249. 99-104. [18]岳磊，孙永刚，史海波，等.基于因素空间的规则调度决 [26]汪培庄.因素空间与因素库).辽宁工程技术大学学报 策模型).信息与控制，2010,39(3)302-307 自然科学版，2013,32(10)1297-1304. YUE Lei,SUN Yonggang,SHI Haibo,et al.Rule-based WANG Peizhuang.Factor spaces and factor data- scheduling decision-making model based on factor spaces bases[J].Journal of Liaoning technical university:natural [J].Information and control,2010,39(3):302-307. science,2013,32(10):1297-1304 [19]张敏，宋衍博，江青茵，等.基于因素空间变权理论的开 [27]汪培庄.因素空间与数据科学).辽宁工程技术大学学 关控制仿真研究).厦门大学学报：自然科学版，2012， 报：自然科学版，2015,342)：273-280 51(4):671-675 WANG Peizhuang.Factor spaces and data science]. ZHANG Min,SONG Yanbo,JIANG Qingyin,et al.Sim- Journal of Liaoning technical university:natural science, ulation of on-off control based on the factor space and 2015,342:273-280 variable weight theory[J].Journal of Xiamen university: [28]汪培庄，郭嗣踪，包研科，等.因素空间中的因素分析法 natural science,2012,51(4):671-675. [).辽宁工程技术大学学报：自然科学版，2014,33(7)： [20]于福生，罗承忠.基于因素空间理论的故障诊断数学模 865-870. 型及其应用).模糊系统与数学，1990,13(1)：47-53. WANG Peizhuang,GUO Sicong,BAO Yanke,et al. YU Fusheng,LUO Chengzhong.A mathematical model Causality analysis in factor spaces[J].Journal of Liaoning of diagnostic problem based on factors space theory and technical university:natural science,2014,33(7):865- it's application[J].Fuzzy system and mathematics,1990, 870. 13(1)47-53. [29]包研科，茹慧英，金圣军.因素空间中知识挖掘的一种 [21]米洪海，闫广霞，于新凯，等.基于因素空间的多层诊断 新算法).辽宁工程技术大学学报：自然科学版，2014， 识别问题的数学模型[】.河北工业大学学报，2003， 33(8):1141-1144. 32(2:77-80. BAO Yanke,RU Huiying,JIN Shengjun.A new al- MI Honghai,YAN Guangxia,YU Xinkai,et al.The gorithm of knowledge mining in factor space[J].Journal mathematical model of multi-layer diagnosis-type recog- of Liaoning technical university:natural science,2014
ZHANG Youchun, WEI Qiang, LIU Zengliang, et al. Architecture of vulnerability discovery technique for information systems[J]. Journal on communications, 2011, 32(2): 42–47. 王靳辉. 因素空间与诊断型专家系统[J]. 解放军测绘学 院学报, 1993(1): 71–74. WANG Jinhui. Facts space and a expert system of diagnose[J]. Journal of the PLA surveying and mapping, 1993(1): 71–74. [14] 于福生. 反向推理型诊断问题专家系统通用构建模型 [J]. 系统工程理论与实践, 1998, 18(5): 72–77. YU Fusheng. A general model for building diagnostic expert systems based on backwards reasoning[J]. Systems engineering-theory and practice, 1998, 18(5): 72–77. [15] 石岩, 马宝华, 谭惠民. 基于因素空间的多传感器决策 融合方法[J]. 北京理工大学学报, 2000, 20(1): 85–89. SHI Yan, MA Baohua, TAN Huimin. Multitarget decision fusion method based on fuzzy factor spaces[J]. Journal of Beijing institute of technology, 2000, 20(1): 85–89. [16] 吉君, 江青茵, 曹志凯. 啤酒发酵过程的多变量开关控 制仿真研究[J]. 厦门大学学报: 自然科学版, 2005, 44(2): 246–249. JI Jun, JIANG Qingyin, CAO Zhikai. Simulation of multivariable on-off temperature control system in beel fermentation process[J]. Journal of Xiamen university: natural science, 2005, 44(2): 246–249. [17] 岳磊, 孙永刚, 史海波, 等. 基于因素空间的规则调度决 策模型[J]. 信息与控制, 2010, 39(3): 302–307. YUE Lei, SUN Yonggang, SHI Haibo, et al. Rule-based scheduling decision-making model based on factor spaces [J]. Information and control, 2010, 39(3): 302–307. [18] 张敏, 宋衍博, 江青茵, 等. 基于因素空间变权理论的开 关控制仿真研究[J]. 厦门大学学报: 自然科学版, 2012, 51(4): 671–675. ZHANG Min, SONG Yanbo, JIANG Qingyin, et al. Simulation of on-off control based on the factor space and variable weight theory[J]. Journal of Xiamen university: natural science, 2012, 51(4): 671–675. [19] 于福生, 罗承忠. 基于因素空间理论的故障诊断数学模 型及其应用[J]. 模糊系统与数学, 1990, 13(1): 47–53. YU Fusheng, LUO Chengzhong. A mathematical model of diagnostic problem based on factors space theory and it’s application[J]. Fuzzy system and mathematics, 1990, 13(1): 47–53. [20] 米洪海, 闫广霞, 于新凯, 等. 基于因素空间的多层诊断 识别问题的数学模型[J]. 河北工业大学学报, 2003, 32(2): 77–80. MI Honghai, YAN Guangxia, YU Xinkai, et al. The mathematical model of multi-layer diagnosis-type recog- [21] nition problem[J]. Journal of Hebei university of technology, 2003, 32(2): 77–80. 董学军, 陈英武. 基于补偿和不可替代因素合成的人因 可靠性分析方法[J]. 系统工程理论与实践, 2012, 32(9): 2087–2094. DONG Xuejun, CHEN Yingwu. Method of human reliability analysis based on CSICF[J]. Systems engineeringtheory and practice, 2012, 32(9): 2087–2094. [22] 崔铁军, 马云东. 基于因素空间的煤矿安全情况区分方 法的研究[J]. 系统工程理论与实践, 2015, 35(11): 2891–2897. CUI Tiejun, MA Yundong. Research on the classification method about coal mine safety situation based on the factor space[J]. Systems engineering-theory and practice, 2015, 35(11): 2891–2897. [23] 赵梦辉. 基于因素空间的油气 SCADA 系统信息安全评 价方法研究[D]. 成都: 西南石油大学, 2016. ZHAO Menghui. Research on information security evaluation of oil and gas SCADA system based on factor spaces[D]. Chengdu: Southwest Petroleum University, 2016. [24] 何清, 童占梅. 基于因素空间和模糊聚类的概念形成方 法[J]. 系统工程理论与实践, 1999, 19(8): 99–104. HE Qing, TONG Zhanmei. The concept formation method based on factor spaces and fuzzy clustering[J]. Systems engineering-theory and practice, 1999, 19(8): 99–104. [25] 汪培庄. 因素空间与因素库[J]. 辽宁工程技术大学学报: 自然科学版, 2013, 32(10): 1297–1304. WANG Peizhuang. Factor spaces and factor databases[J]. Journal of Liaoning technical university: natural science, 2013, 32(10): 1297–1304. [26] 汪培庄. 因素空间与数据科学[J]. 辽宁工程技术大学学 报: 自然科学版, 2015, 34(2): 273–280. WANG Peizhuang. Factor spaces and data science[J]. Journal of Liaoning technical university: natural science, 2015, 34(2): 273–280. [27] 汪培庄, 郭嗣琮, 包研科, 等. 因素空间中的因素分析法 [J]. 辽宁工程技术大学学报: 自然科学版, 2014, 33(7): 865–870. WANG Peizhuang, GUO Sicong, BAO Yanke, et al. Causality analysis in factor spaces[J]. Journal of Liaoning technical university: natural science, 2014, 33(7): 865– 870. [28] 包研科, 茹慧英, 金圣军. 因素空间中知识挖掘的一种 新算法[J]. 辽宁工程技术大学学报: 自然科学版, 2014, 33(8): 1141–1144. BAO Yanke, RU Huiying, JIN Shengjun. A new algorithm of knowledge mining in factor space[J]. Journal of Liaoning technical university: natural science, 2014, [29] 第 4 期 包研科，等：因素空间的结构与对偶回旋定理 ·663·
·664· 智能系统学报 第13卷 33(8):1141-1144 ZHOU Caijun.Alternate Mobius posets[J].Journal of [30]李兆钧.因素空间理论在文本挖掘中的应用[D].广州： Shanghai teachers university:natural science,1995 广州大学，2016 24(217-22 LI Zhaojun.The application of factor spaces theory in text [39]邱懿.Mobius交错偏序集[).数学年刊A辑，2002， mining[D].Guangzhou:Guangzhou University,2016. 23(5):643-648 [31]刘影.面向领域的隐性政策血缘关系挖掘方法研究D], QIU Yi.Posets with Mobius function alternating in 哈尔滨：哈尔滨工程大学，2013 sign[J].Chinese annals of mathematics,2002,23(5): Liu Ying.Research on domain-oriented recessive policy 643-648. lineage mining method[D].Harbin:Harbin Engineering [40]霍丽芳，赵丽娟，丁萌，等.有限偏序集上格的Mobius University,2013. 函数和特征多项式[J].数学的实践与认识，2015， [32]崔铁军，李莎莎，王来贵.基于因素逻辑的分类推理法 45(18):303-306. 重构[J.计算机应用研究，2016.33(12)：3671-3675. HUO Lifang,ZHAO Lijuan,DING Meng,et al.Mobius CUI Tiejun,LI Shasha,WANG Laigui.Classification functions and characteristic polynomial in the finite lat- reasoning method reconstruction based on factors logic[J]. tices[J].Mathematics in practice and theory,2015, Application research of computers,2016,33(12):3671- 45(18):303-306. 3675. [41]NIELSEN M A,CHUANG I L.量子计算和量子信息 [33]刘思圆.因素空间的扩展定义[J].教育教学论坛 (一上：量子计算部分M.北京：清华大学出版社，2004. 2016(10):194195. [42]NIELSEN M A,CHUANG I L.量子计算和量子信息 LIU Siyuan.The extension definition of the factor (二：量子信息部分M北京：清华大学出版社，2005. space[J].Education teaching forum,2016(10):194-195. 作者简介： [34]包研科.认知本体论视角下因素空间的性质与对偶空 包研科，男.1962年生，副教授 间U.模糊系统与数学，2016,30(2)：127-136. 主要研究方向为工程数据分析、统计 BAO Yanke.The property of the factor space and the dual 预测与决策、统计机器学习以及基于 space in perspective of the cognitive ontology[J].Fuzzy 因素空间的知识发现理论与应用。发 systems and mathematics,2016,30(2):127-136. 表学术论文20余篇.出版著作3部。 [35]冯嘉礼.思维与智能科学中的性质论方法M.北京：原 子能出版社，1990. FENG Jiali.A Theory of nature method of thinking and 汪培庄，男，1936年生.教授，博 intelligence science[M].Beijing:Atomic Energy Press, 士生导师，主要研究方向为模糊数学 1990. 和人工智能的理论与应用，创立模糊 [36]刘海涛，郭嗣琮，戴宁，等.因素空间与形式概念分析及 落影表示、真值流推论和因素空间理 粗糙集的比较[.辽宁工程技术大学学报：自然科学版， 论，近年主要关注因素空间在人工智 2017,36(3):324-330. 能和数据科学中的应用。获国家级奖 LIU Haitao,GUO Sicong,DAI Ning,et al.Comparative 励多项和国际奖项1项。发表学术论 study for factor space,formal concept analysis and rough 文200余篇，出版著作多部。 sets[J].Journal of Liaoning technical university:natural 郭嗣踪，男，1951年生，教授，博 science,2017,36(3):324-330. 士生导师，国家政府特殊津贴获得者！ [37]佩捷，王兰新.从麦比乌斯到陈省身一麦比乌斯变换 主要研究方向为模糊数学、模糊预测 与麦比乌斯带M.哈尔滨：哈尔滨工业大学出版社， 与决策技术以及模糊运筹学理论与应 2014. 用，创立了基于模糊结构元方法的模 [38]周才军.Mobius交错偏序集[U).上海师范大学学报：自 糊值函数分析学理论。发表学术论文 然科学版，1995,24(2)17-22 200余篇，出版著作3部
33(8): 1141–1144. 李兆钧. 因素空间理论在文本挖掘中的应用[D]. 广州: 广州大学, 2016. LI Zhaojun. The application of factor spaces theory in text mining[D]. Guangzhou: Guangzhou University, 2016. [30] 刘影. 面向领域的隐性政策血缘关系挖掘方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2013. Liu Ying. Research on domain-oriented recessive policy lineage mining method[D]. Harbin: Harbin Engineering University, 2013. [31] 崔铁军, 李莎莎, 王来贵. 基于因素逻辑的分类推理法 重构[J]. 计算机应用研究, 2016, 33(12): 3671–3675. CUI Tiejun, LI Shasha, WANG Laigui. Classification reasoning method reconstruction based on factors logic[J]. Application research of computers, 2016, 33(12): 3671– 3675. [32] 刘思圆. 因素空间的扩展定义[J]. 教育教学论坛, 2016(10): 194–195. LIU Siyuan. The extension definition of the factor space[J]. Education teaching forum, 2016(10): 194–195. [33] 包研科. 认知本体论视角下因素空间的性质与对偶空 间[J]. 模糊系统与数学, 2016, 30(2): 127–136. BAO Yanke. The property of the factor space and the dual space in perspective of the cognitive ontology[J]. Fuzzy systems and mathematics, 2016, 30(2): 127–136. [34] 冯嘉礼. 思维与智能科学中的性质论方法[M]. 北京: 原 子能出版社, 1990. FENG Jiali. A Theory of nature method of thinking and intelligence science[M]. Beijing: Atomic Energy Press, 1990. [35] 刘海涛, 郭嗣琮, 戴宁, 等. 因素空间与形式概念分析及 粗糙集的比较[J]. 辽宁工程技术大学学报: 自然科学版, 2017, 36(3): 324–330. LIU Haitao, GUO Sicong, DAI Ning, et al. Comparative study for factor space, formal concept analysis and rough sets[J]. Journal of Liaoning technical university: natural science, 2017, 36(3): 324–330. [36] 佩捷, 王兰新. 从麦比乌斯到陈省身——麦比乌斯变换 与麦比乌斯带[M]. 哈尔滨: 哈尔滨工业大学出版社, 2014. [37] 周才军. Möbius 交错偏序集[J]. 上海师范大学学报: 自 然科学版, 1995, 24(2): 17–22. [38] ZHOU Caijun. Alternate Möbius posets[J]. Journal of Shanghai teachers university: natural science, 1995, 24(2): 17–22. 邱懿. Möbius 交错偏序集[J]. 数学年刊 A 辑, 2002, 23(5): 643–648. QIU Yi. Posets with Möbius function alternating in sign[J]. Chinese annals of mathematics, 2002, 23(5): 643–648. [39] 霍丽芳, 赵丽娟, 丁萌, 等. 有限偏序集上格的 Möbius 函数和特征多项式[J]. 数学的实践与认识, 2015, 45(18): 303–306. HUO Lifang, ZHAO Lijuan, DING Meng, et al. Möbius functions and characteristic polynomial in the finite lattices[J]. Mathematics in practice and theory, 2015, 45(18): 303–306. [40] NIELSEN M A, CHUANG I L. 量子计算和量子信息 (一): 量子计算部分[M]. 北京: 清华大学出版社, 2004. [41] NIELSEN M A, CHUANG I L. 量子计算和量子信息 (二): 量子信息部分[M]. 北京: 清华大学出版社, 2005. [42] 作者简介： 包研科，男，1962 年生，副教授， 主要研究方向为工程数据分析、统计 预测与决策、统计机器学习以及基于 因素空间的知识发现理论与应用。发 表学术论文 20 余篇，出版著作 3 部。 汪培庄，男，1936 年生，教授，博 士生导师，主要研究方向为模糊数学 和人工智能的理论与应用，创立模糊 落影表示、真值流推论和因素空间理 论，近年主要关注因素空间在人工智 能和数据科学中的应用。获国家级奖 励多项和国际奖项 1 项。发表学术论 文 200 余篇，出版著作多部。 郭嗣琮，男，1951 年生，教授，博 士生导师，国家政府特殊津贴获得者， 主要研究方向为模糊数学、模糊预测 与决策技术以及模糊运筹学理论与应 用，创立了基于模糊结构元方法的模 糊值函数分析学理论。发表学术论文 200 余篇，出版著作 3 部。 ·664· 智 能 系 统 学 报 第 13 卷
